机器学习简介

1.简介：
专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组织已有的知识结构使之不断改善自身的性能。
现实生活中，人们会根据经验得到一些结论进而进行预测。在计算机系统中，“经验”以“数据”的形式存在。因此，机器学习研究的主要内容：关于在计算机上从“数据”中产生“模型”的算法，即学习算法。

2.从输出角度看：
若欲预测的值是离散值，如“好瓜”“坏瓜”，此类学习任务称为分类；若欲预测的值是连续的，此类学习任务称为“回归”。
从输入角度看：
根据训练数据是否拥有标记信息，学习任务可大致分为：监督学习、无监督学习、半监督学习。分类、回归属于有监督，聚类属于无监督。

3.泛化：
学习的模型适用于新样本的能力，称为泛化能力。具有强泛化能力的模型能很好地适用于整个样本空间。